electricsheepafrica/africa-ilo-luu-xlu3-sex-edu-mts-rt-combined-rate-of-unemployment-and-potential-labour

该数据集包含非洲42个国家从1994年至2025年的失业与潜在劳动力综合率（LU3）统计数据，共有9,188个观测值。数据来源于国际劳工组织（ILOSTAT）数据库，由Electric Sheep Africa重新打包，涵盖一个核心指标：按性别、教育程度和婚姻状况划分的失业与潜在劳动力综合率（LUU_XLU3_SEX_EDU_MTS_RT），以百分比表示。数据集以表格形式组织，包括国家代码、年份、观测值、数据来源、分类变量（如性别、教育、婚姻状况）以及数据质量标志等列，适用于表格分类、回归和时间序列预测等任务。数据采用CC-BY-4.0许可证，并附有详细的使用示例和引用信息。This dataset contains 9,188 observations of the combined rate of unemployment and potential labour force (LU3) across 42 Africa countries from 1994 to 2025. The data is sourced from the International Labour Organizations ILOSTAT database, repackaged by Electric Sheep Africa, and covers one key indicator: LUU_XLU3_SEX_EDU_MTS_RT, which represents the combined rate of unemployment and potential labour force by sex, education, and marital status (%). The dataset is organized in tabular format with columns including country codes, year, observed values, data sources, disaggregation variables (e.g., sex, education, marital status), and data quality flags. It is suitable for tasks such as tabular classification, regression, and time-series forecasting, released under the CC-BY-4.0 license, and includes usage examples and citation details.

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）的中央统计数据库ILOSTAT，聚焦于非洲地区劳动力未充分利用的度量指标。数据集通过ILOSTAT REST API接口直接获取原始指标代码为LUU_XLU3_SEX_EDU_MTS_RT的数据，并依据非洲ISO3国家代码进行地理过滤，最终整合了来自42个非洲国家、横跨1994年至2025年的9,188条观测记录。在数据采集过程中，ILOSTAT依据国际劳工统计学家会议（ICLS）的定义对各国劳动力调查微观数据进行协调统一，并在source.label列中标注数据来源，确保数据的可追溯性与可比性。数据经Electric Sheep Africa重新封装为Parquet格式，并以HuggingFace数据集形式发布。

使用方法

利用HuggingFace的datasets库，用户可通过一行代码load_dataset()完成数据加载，并便捷地转换为Pandas DataFrame进行后续分析。典型使用场景包括：针对单个国家进行过滤分析，如筛选ref_area列等于‘KEN’来研究肯尼亚的劳动力状况；对单一指标按时间排序后绘制时间序列图，以观察LU3比率的演变趋势；亦可利用pivot_table构建以年份为行、国家为列的矩阵，便于进行跨国横向比较与面板数据分析。数据集的结构化字段设计使得数据筛选、聚合与可视化操作十分直观高效，极大降低了非洲劳动力研究的数据准备门槛。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年整理并经由Electric Sheep Africa重新打包发布，聚焦于非洲地区失业与潜在劳动力综合率（LU3）的性别、教育及婚姻状况分层统计。作为ILOSTAT数据库的核心子集，它依托国际劳工统计学家会议（ICLS）定义，整合了来自42个非洲国家1994至2025年间共9,188条观测数据，旨在揭示非洲劳动力市场中隐性闲置劳动力的分布特征。这一数据集的构建为研究非洲劳动力市场结构性失衡、评估可持续发展目标（SDG）中体面工作进展提供了可靠的标准化基准，尤其弥补了非洲区域在劳动力利用不足测量方面的数据鸿沟，对发展经济学与劳动社会学领域具有重要推动作用。

当前挑战

该数据集面临的挑战首先源自领域问题：失业与潜在劳动力的综合率（LU3）需在非洲各国迥异的非正规经济生态中准确度量，而许多国家缺乏连续、高质量的家庭或劳动力调查，导致数据在时间与空间上呈现显著稀疏性。构建过程中，ILO虽采用‘最佳来源’策略调和多来源冲突，但不同调查的设计差异、指标定义的历时性修订（如方法论变更标注于note_indicator字段）以及低质量观测值（如obs_status标识不可靠）仍威胁数据一致性。此外，按性别、教育水平等维度的交叉分层进一步加剧了缺失值问题，使得跨国家、跨时段的可比性分析面临精细度与完整性之间的权衡挑战。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织ILOSTAT数据库中非洲42个国家从1994年至2025年的劳动力未充分利用综合指标（LU3），涵盖失业与潜在劳动力人口的联合比率，并按性别、教育程度和婚姻状况进行分层。作为结构化时序表格数据，其最经典的使用场景在于构建面板数据回归模型，系统剖析非洲各国劳动力市场的结构性特征。研究者可借助该数据探究教育水平与性别差异如何影响失业率与潜在劳动力规模之间的动态关联，为理解撒哈拉以南非洲地区独特的劳动力吸纳困境提供量化基石。

解决学术问题

数据集致力于攻克发展经济学与劳动经济学领域中关于劳动力未充分利用测度长期缺乏精细化国别比较的难题。通过提供横跨三十年、覆盖多人口学维度的LU3指标，它使学者得以检验全球化贸易冲击、教育扩张政策以及性别平等法案对非洲劳动参与率的传导机制。该数据还弥补了传统失业率指标在非洲语境下的局限性——即对于大量从事非正规就业或放弃求职的潜在劳动力，LU3能更全面地捕捉真实的劳动力闲置状况，从而推动了关于非洲‘隐性失业’与‘就业不充分’的理论争鸣与政策评估。

实际应用

在实际应用层面，该数据集是国际发展机构、非洲国家统计局及社会政策智库进行劳动力市场监测与项目影响评估的重要工具。例如，世界银行或非洲开发银行可基于LU3的时间序列趋势，精准识别出需要技能培训干预的高风险群体（如特定教育层次的年轻女性），从而优化职业培训项目的地域与人群投放策略。民间社会组织也可利用按婚姻状况拆解的数据，设计针对已婚女性重返劳动市场的支持计划，缓解家庭经济脆弱性。此外，该数据还能服务于就业促进政策的成本效益分析，帮助政府在人道主义预算有限的情况下，优先施策于劳动力闲置率最高的省份或族群。

数据集最近研究

最新研究方向

在非洲劳动力市场研究中，该数据集通过提供按性别、教育程度和婚姻状况细分的失业与潜在劳动力综合比率（LU3），为解析非洲大陆劳动资源利用不足的多维结构提供了定量基础。当前前沿方向聚焦于结合时间序列预测与面板数据分析，探索1994至2025年间非洲42国的劳动参与率演变，尤其关注青年与女性群体的结构性失业问题。基于ILOSTAT统一统计框架，该数据支持跨国比较研究，为评估非洲联盟《2063年议程》中的体面就业目标实现进展提供了可量化的工具。此外，其细分维度的完备性使学者得以剖析教育扩张对劳动力市场韧性的非线性影响，并关联全球供应链重构背景下非洲非正规就业的转型动态。作为非洲首个在HuggingFace上以ML-ready形式发布的此类数据集，它显著降低了非洲劳动经济学研究的计算门槛，推动了大模型与时空异质性分析在该领域的交叉应用。